Создан робот, осуществляющий навигацию подобно пустынному муравью
CNRS
Большинство муравьев-фуражиров способны находить дорогу обратно к своей колонии, следуя по феромонному следу, оставленному ими ранее. Однако в пустынях, где обитают многие муравьи-бегунки (род Cataglyphis), под жарким солнцем этот след, скорее всего, быстро исчезнет: данным муравьям, таким образом, приходится полагаться на иные способы навигации.
Во-первых, муравьи-бегунки могут определять направление с помощью поляризованного света (он является видимым для глаз муравьев как в солнечную, так и в пасмурную погоду). Во‑вторых, муравей-бегунок может определить, насколько далеко зашел, считая шаги, а также при помощи оптического потока.
CNRS
Шестиногого робота AntBot решили научить осуществлять навигацию схожим образом. Устройство оснастили оптическим компасом, который робот использует для проверки направления на основе поляризованного света, а также оптическим датчиком движения, который позволяет визуально определить, как далеко отошел робот от начальной точки. Такой набор, как отмечается, позволяет роботу изучать окрестности на расстоянии 14 метров и возвращаться к начальной позиции с точностью до одного сантиметра.
Предполагается, что в будущем роботы с подобной системой навигации могли бы пригодиться, например, при работе на территориях, пострадавших в результате бедствий, в ситуациях, когда использование GPS невозможно.
Работа, посвященная разработке, была опубликована в журнале Science Robotics. Кратко об AntBot рассказывает портал NewAtlas.
Читайте также
- Xiaomi представила маршрутизатор Redmi Router AX5400 с чипом Qualcomm
- Western Digital повысила цены на флеш-память NAND — это следствие загрязнения производства в январе
- 4 вида вооружения, которые отправили в Европу из-за Украины, но никогда не испытывали в деле
- Twitter позволит вешать ярлыки на ботов, чтобы люди могли отличать их от живых пользователей
- Найдена загадочная "невидимая" черная дыра: космическая аномалия
- Новая статья: Обзор игрового 4K-монитора ASUS TUF Gaming VG28UQL1A: лучше поздно, чем никогда